视频生成 概念
视频生成指用模型合成全新视频内容，覆盖文生视频、图生视频、视频编辑与预测（world model），2023–2024 年从研究走向商用，Sora、可灵、Veo 为代表。
百科
大模型 · 万物互联 · 人工智能的结构化知识库。人人可阅读、可贡献、可追溯。
学科分类
最新收录
StyleGAN 技术
StyleGAN 是 NVIDIA Karras 团队提出的人脸/肖像生成 GAN，通过「风格向量注入 + 渐进生成 + 解耦」实现高质量、可插值、可控性极强的高清人脸生成（2019–2021）。
GAN 技术
生成对抗网络（GAN）由 Goodfellow 等 2014 年提出：生成器与判别器相互博弈，生成器学真实数据分布以骗过判别器，是图像生成、超分与风格迁移的重要范式，后逐渐被扩散模型取代。
神经辐射场 技术
神经辐射场（NeRF）用多层感知机建模三维场景的「位置+视角→颜色+密度」映射，从稀疏多视图照片重建可任意视角渲染的新视图，是三维视觉与新型渲染的里程碑（2020）。
风格迁移 技术
风格迁移把参考图像的风格（笔触、配色、质感）应用到内容图像，Gatys 等（2015）以 VGG 特征层的 Gram 矩阵开创神经风格迁移，现已演进到任意风格与扩散模型版本。
ControlNet 技术
ControlNet 是张吕敏等人提出的可控生成方法（2023）：通过可训练条件分支把边缘、深度、姿势、涂鸦等结构条件注入冻结的 Stable Diffusion，实现精确的结构控制生成。
图像编辑 技术
图像编辑指用指令/掩码/参考图修改图像的属性、内容或风格，基于扩散模型的指令编辑（如 InstructPix2Pix、IP-Adapter、局部重绘）已取代传统手工修图成为主流。
文本到图像 技术
文本到图像（Text-to-Image）是根据自然语言描述生成对应图像的生成任务，核心是让文本语义精确控制图像内容，DALL-E、Stable Diffusion、Imagen、Midjourney 为代表系统。
DALL-E 产品
DALL-E 是 OpenAI 的文生图模型系列：DALL-E 1（2021）以离散 VAE+自回归 Transformer 开创文本生成图像；DALL-E 2（2022）改用 CLIP 引导扩散；DALL-E 3（2023）深度结合 Ch...
潜在扩散模型 技术
潜在扩散模型（LDM）在 VAE 潜空间而非像素空间执行扩散，大幅降低计算量并支持文本条件控制，是 Stable Diffusion 的底层技术（2022）。
图像生成 概念
图像生成指用模型从噪声/条件（文本、草图、掩码）合成图像的生成式 AI 技术，主流方法从 GAN 演进到扩散模型，Stable Diffusion、Midjourney、DALL-E 为代表性产品。
多模态对齐 概念
多模态对齐是把不同模态（文本/图像/音频/视频）的表征映射到统一语义空间的技术，是图文检索、图文生成与多模态大模型的核心机制，对比学习与交叉注意力是两大主流路线。
FLAN 技术
FLAN（Finetuned Language Net）是 Google 用大规模多任务指令集对语言模型进行微调的产物，其 FLAN-T5 变体以开源权重展示了「指令微调带来零样本能力」的普适规律。
开源大模型 概念
开源大模型指公开权重（甚至训练数据）的大语言模型，以 LLaMA、Mistral、Qwen、DeepSeek、GLM 等为代表，推动了私有化部署、社区微调与学术复现，与闭源模型形成双轨生态。
多模态大模型 概念
多模态大模型（MLLM）指能同时理解并处理文本、图像、音频、视频等多种模态的大语言模型，以 GPT-4V、Gemini、Claude 3 为代表，是迈向通用人工智能的重要形态。
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
- SAC
- Segment Anything
- Sora
- SPARQL
- SQuAD
- SSD
- Stable Diffusion
- StyleGAN
- SuperGLUE
- SWE-bench
- 三维重建
- 上下文窗口
- 上下文学习
- 少样本学习
- 射频识别
- 深度Q网络
- 深度合成标识
- 深度强化学习
- 深度伪造
- 深度学习
- 深度学习
- 深度学习框架
- 神经符号AI
- 神经辐射场
- 神经网络
- 神经网络
- 生成对抗网络
- 生成式人工智能服务管理暂行办法
- 生成式智能体
- 时间敏感网络
- 时序差分学习
- 时序知识图谱
- 实例分割
- 实体链接
- 实体消歧
- 世界模型
- 事理图谱
- 视觉SLAM
- 视觉Transformer
- 视觉问答
- 视觉语言模型
- 视频理解
- 视频生成
- 数据版权
- 数据标注
- 数据标注伦理
- 数据管线
- 数据集
- 数据切分
- 数据清洗
- 数据投毒
- 数据增强
- 数据增强
- 数据中心GPU
- 数字鸿沟
- 数字孪生
- 数字人
- 数字人
- 数字员工
- 思维链
- 搜索算法
- 算法透明度
- 算法问责
- 算力
- 算力调度
- 算力集群
- 算力交易
- 算力租赁
- 随机森林
- 损失函数
T
U
V
W
X
Y
Z
- Zigbee
- 在策略学习
- 责任AI
- 窄带物联网
- 张量核心
- 折扣因子
- 正则化
- 政务AI
- 支持向量机
- 知情同意
- 知识表示
- 知识表示学习
- 知识抽取
- 知识库
- 知识图谱
- 知识图谱补全
- 知识图谱构建
- 知识图谱嵌入
- 知识图谱问答
- 知识图谱与LLM融合
- 知识推理
- 知识追踪
- 指令数据集
- 指令微调
- 智慧城市
- 智慧农业
- 智慧文旅
- 智慧物流
- 智能办公
- 智能城市
- 智能穿戴设备
- 智能绘画
- 智能计量
- 智能家居
- 智能客服
- 智能农业
- 智能视频分析
- 智能搜索
- 智能体Agent
- 智能体安全
- 智能体编排
- 智能体工具链
- 智能体工作流
- 智能体评估
- 智能投顾
- 智能推荐
- 智能网关
- 智能网卡
- 智能写作
- 智能营销
- 智能制造
- 智能质检
- 智能座舱
- 智算中心
- 重要性采样
- 主成分分析
- 注意力机制
- 注意力机制
- 状态价值函数
- 姿态估计
- 自编码器
- 自动化决策
- 自动驾驶
- 自动驾驶芯片
- 自监督学习
- 自然语言处理
- 自主决策
- 自主智能体